Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Malattie infettive (eccetto HIV/AIDS)

Avaliando os Resultados do Tratamento da COVID-19 no Japão

Um estudo avalia a eficácia do tratamento para pacientes com COVID-19 no Japão.

― 5 min ler


Análise do Tratamento daAnálise do Tratamento daCOVID-19 no Japãoresultados dos pacientes.sobre tratamentos para COVID-19 eEstudo encontra informações importantes
Índice

COVID-19, causado pelo vírus SARS-CoV-2, apareceu em dezembro de 2019 em Wuhan, na China. A doença se espalhou rapidinho pelo mundo todo, gerando uma grande crise de saúde. No Japão, vários tratamentos, incluindo medicamentos antivirais, combinações de anticorpos e Esteroides, foram desenvolvidos pra reduzir casos graves e mortes relacionadas ao COVID-19.

Opções de Tratamento

Vários tipos de tratamentos mostraram que têm potencial contra o COVID-19. Esses incluem:

  • Medicamentos Antivirais: O remdesivir foi usado pra tratar pacientes com COVID-19.
  • Combinações de Anticorpos: Medicamentos como casirivimab/imdevimab e sotrovimab são feitos pra dar um boost na resposta imunológica do corpo.
  • Esteroides: O dexametasona ajudou em casos graves, diminuindo a inflamação.
  • Outros Tratamentos: Baricitinibe e tocilizumabe são medicamentos anti-inflamatórios que também foram utilizados.

O objetivo desses remédios é evitar consequências graves e mortes. É super importante entender quão efetivos esses tratamentos são na vida real.

Dados da Pesquisa

No Japão, um banco de dados médico chamado Medical Information Analysis Databank (MIA) coleta dados de 60 hospitais. Esse recurso permite que os pesquisadores analisem as reivindicações médicas e resultados de pacientes com COVID-19. O MIA contém informações valiosas como idade do paciente, sexo, outras condições de saúde, os medicamentos que receberam e se precisaram de oxigênio ou ventiladores.

O período de estudo para analisar os dados foi de janeiro de 2020 até março de 2022. No final do estudo, os pesquisadores focaram nos internados diagnosticados com COVID-19 durante esse tempo.

Seleção de Pacientes

O estudo incluiu todos os internados diagnosticados com COVID-19. No entanto, os pacientes que permaneceram hospitalizados no final do estudo foram excluídos. Os casos de COVID-19 no MIA mostraram seis ondas de infecção, definidas de acordo com o momento das internações. Cada onda representava períodos diferentes de aumento e diminuição no número de casos.

Além dos critérios médicos para internação, fatores sociais também influenciaram as admissões. Por exemplo, quem não tinha acesso a suporte médico em casa poderia ser internado mesmo apresentando sintomas leves.

Variáveis no Estudo

O estudo analisou vários fatores que poderiam afetar os resultados:

  • Características Físicas: Idade e sexo dos pacientes.
  • Problemas de Saúde Subjacentes: Condições como diabetes, doenças cardíacas ou asma.
  • Tratamento: Os medicamentos específicos recebidos durante a internação.
  • Status de Vacinação: A taxa e o tipo de vacinação recebida por faixa etária.
  • Variantes Mutadas do Vírus: As variantes do vírus presentes na hora da internação.

Analisando os Efeitos do Tratamento

Pra determinar a eficácia dos tratamentos, os pesquisadores usaram um modelo que tentava levar em conta os preconceitos na administração dos medicamentos. Pacientes em condições mais graves eram mais propensos a receber tratamentos, o que poderia distorcer os resultados. Pra analisar os dados, dividiram a abordagem em duas partes:

  1. Avaliação da Administração de Medicamentos: Usando características dos pacientes pra prever quem recebeu qual tratamento.
  2. Avaliação dos Resultados: Olhando se os pacientes que receberam tratamentos se saíram melhor em comparação com os que não receberam.

As análises separaram os resultados com base no tratamento efetivamente recebido. Os pesquisadores também notaram que grupos etários diferentes reagiram de forma diferente aos tratamentos.

Principais Descobertas

Os resultados mostraram que a maioria das opções de tratamento, exceto as combinações de anticorpos, teve um impacto positivo em reduzir as chances de morte. Especificamente:

  • Dexametasona, Remdesivir, Baricitinibe e Tocilizumabe: Geralmente mostraram redução na mortalidade.
  • Combinações de Anticorpos: Surpreendentemente mostraram um efeito negativo, sugerindo que talvez não contribuam significativamente pra salvar vidas, especialmente em casos graves.

As descobertas também destacaram que pacientes mais velhos tiveram efeitos de tratamento diferentes em comparação com os mais jovens. Em alguns casos, os tratamentos pareciam menos eficazes pra pacientes que precisavam de ventiladores.

Limitações e Considerações

Vários desafios surgiram durante o estudo:

  • Viés de Seleção: Pacientes que precisavam de cuidados mais intensivos poderiam ter distorcido os resultados.
  • Lacunas de Dados: Informações sobre o tempo exato do tratamento em relação ao uso de oxigênio ou ventiladores eram limitadas.
  • Variação na Gravidade: A abordagem não levou em conta totalmente a variação na gravidade do COVID-19 entre os pacientes.

Melhorias na coleta de dados, incluindo informações mais detalhadas sobre as condições dos pacientes, poderiam levar a estudos futuros melhores.

Variantes e Vacinação

O estudo também examinou como diferentes variantes do vírus, como Alpha, Delta e Omicron, afetaram os resultados dos tratamentos. As taxas de vacinação aumentaram bastante durante o período do estudo, chegando a cerca de 80% até o final de 2021. Entender a interação entre a cobertura vacinal e a prevalência de variantes é crucial pra avaliar a eficácia do tratamento.

Resumo

Esse estudo mostrou que alguns tratamentos pra COVID-19, especialmente dexametasona, remdesivir e tocilizumab, têm efeitos benéficos na redução da mortalidade. No entanto, as combinações de anticorpos podem não ser tão eficazes em casos graves. A pesquisa enfatiza a importância de identificar fatores que afetam os resultados dos pacientes e a necessidade de estudos contínuos pra coletar dados mais precisos. Abordar as lacunas nos dados sobre as condições dos pacientes e o timing do tratamento vai melhorar futuras análises da eficácia dos tratamentos contra COVID-19.

Fonte original

Título: Effectiveness of drugs for COVID-19 inpatients in Japanese medical claim data as average treatment effects with inverse probability weighted regression adjustment

Resumo: BackgroundPrior studies have indicated that drugs against coronavirus disease 2019 (COVID-19) such as antiviral drugs, anti-inflammatory drugs, steroid and antibody cocktails are expected to prevent severe COVID-19outcomes and death. ObjectWe analyzed medical claim data in Japan to assess the effectiveness of drugs againstCOVID-19. MethodWe applied an average treatment effect model with inverse probability weighted regression adjustment, to the Medical Information Analysis Databank managed by National Hospital Organization in Japan. The outcome was death during hospitalization. Subjects were all inpatients, inpatients with oxygen therapy, and inpatients with respiratory ventilators, by three age classes: all ages, 65 years old or older, and younger than 65 years old. Data on physical characteristics, underlying diseases, administered drugs, the proportion of mutated strains, and vaccine coverage were used as explanatory variables for logistic regression. ResultEstimated results indicated that only an antibody cocktails (sotrovimab, casirivimab and imdevimab) raised the probability of saving life, even though these drugs were administered in few cases. On the other hand, other drugs might raise the probability of death. DiscussionResults indicated that only antibody cocktails was effective to save life using an average treatment effect model with inverse probability weighted regression adjustment. No other drugs such as remdesivir, dexamethasone, baricitinib and tocilizumab were found to be effective to save life, even in the pseudo-situation of random assignment.

Autores: Shingo Mitsushima, H. Horiguchi, K. Taniguchi

Última atualização: 2023-05-14 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2023.05.12.23289913

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.05.12.23289913.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Artigos semelhantes